Python - 将图像转换为像素值字符串

Question

我有一个从网络摄像头捕获的.jpg图像。这是一个灰度图像。我需要将图像转换为像素的字符串，如下所示：

"255 232 45 678 56 23....345 76 44 767 433 345"

我该怎么做？

另外，更改图像的大小会改变这些值吗？

Answer 1

假设您将图像表示为numpy数组（因为问题被标记为与OpenCV相关，那么很可能就是这种情况），然后为了获得您想要的结果，我将采取以下步骤。

• 首先使flatten数组成为线性。
• 然后使用tolist
  
将其转换为常规python列表
• 使用map和str
将所有元素转换为字符串
• Join所有使用空格的元素。

在步骤中它看起来像

# img is our input image represented by a numpy array
lin_img = img.flatten()
pixel_list = lin_img.tolist()
pixel_str_list = map(str, pixel_list)
img_str = ' '.join(pixel_str_list)

或者，放在一起

# img is our input image represented by a numpy array
img_str = ' '.join(map(str,img.flatten().tolist()))

我们将此 Variant 2 称为性能测试目的。

更新1

由于numpy数组本身是可迭代的，我们可以跳过第二步。

# img is our input image represented by a numpy array
img_str = ' '.join(map(str,img.flatten()))

不幸的是，跳过此步骤似乎对性能产生了相当显着的负面影响。

我们将此 Variant 3 称为性能测试目的。

更新2

用户Manel Fornos（已删除）回答给了我另一个想法。虽然这种做法有点过时，但速度要快一些。

要点是使用现有设施获取列表的字符串表示，并过滤掉不需要的字符。

str_rep = str(img.flatten().tolist())
img_str = str_rep.strip('[]').replace(',','')

我们将此 Variant 4 称为性能测试目的。

变体1 将是Liam Lawrence代码的固定版本：

pxList = ''
# The height and width of your Mat
height = np.size(img, 0)
width = np.size(img, 1)

# Iterates through the values of your Mat and stores them in pxList
for i in range(height): 
    for j in range(width):
        pxList = pxList + " " + str(img[i][j])

pxList = pxList[1:] # Drop the first space

我写了一个简单的小脚本来比较算法（完整代码在pastebin上）。结果如下：

# Pixels, Variant 1 (ms), Variant 2 (ms), Variant 3 (ms), Variant 4 (ms)
(1024, 2.8326225819203277, 0.13493335046772717, 1.5932890912113131, 0.09023493209332506)
(4096, 13.339841376487794, 0.5257651461289086, 6.325210327010836, 0.3265428986086241)
(9216, 32.98282323591406, 1.1823080866422975, 14.354809759340927, 0.7088365979475153)
(16384, 75.67087786296861, 2.1013669335069043, 26.917736751458644, 1.2577715882884644)
(25600, 137.34306664673863, 3.3527305844737176, 39.52922089259947, 1.9327700867009523)
(36864, 253.29441311675095, 4.734033934480575, 59.513813906516, 2.9113162427067962)
(50176, 451.560393848939, 6.5756611524649955, 80.0690276278131, 3.998343364868928)
(65536, 730.1453117644841, 8.744634443763166, 103.20875278841335, 5.7598277155337385)
(82944, 1111.2658522242352, 11.029055368769303, 131.75812149309473, 7.009532636131244)
(102400, 1660.044328259597, 13.671936656754369, 163.50234457172607, 8.832774137495392)
(123904, 3752.484254283715, 16.593065599119328, 196.8919234148476, 10.672515640955282)
(147456, 6808.498583618867, 20.05951524565397, 238.21070485215222, 13.339090582743296)
(173056, 11572.846199726502, 23.518125208653373, 275.5151841924039, 15.51396546209105)
(200704, 17107.24135330049, 27.29446060882168, 319.9635533287051, 17.9888784747817)
(230400, 24915.183616213795, 31.83344531218779, 368.9712484407863, 21.44858843792008)
(262144, 34914.46058437594, 36.754758635524354, 423.5016077462319, 24.536341210961155)

更新3

观察时间，变体1的一个突出问题是它的性能不会像输入的大小（像素数）那样线性缩放，正如人们所期望的那样。相反，它看起来更像是O（n ^ 2）。显而易见的罪魁祸首是字符串添加 - 因为Python中的字符串是不可变的，我们在添加每个像素值时会不断地复制更长和更长的字符串。

缓解此问题的一种可能方法是使用cStringIO模块。

output = cStringIO.StringIO()
# The height and width of your Mat
height = np.size(img, 0)
width = np.size(img, 1)

# Iterates through the values of your Mat and stores them in pxList
for i in range(height): 
    for j in range(width):
        output.write(str(img[i][j]) + " ")

output.truncate(output.tell() - 1)
img_str = output.getvalue()

我们将此 Variant 5 称为性能测试目的。

为了完整性，我们还包括Manel Fornos'选项，理解列表（变体6 ）和生成器（变体7 ）。

# Number of pixels, variants 1..7 (ms)
1024, 2.7356, 0.1330, 1.5844, 0.0870, 2.5578, 1.7027, 1.7354
4096, 13.0483, 0.5250, 6.3810, 0.3227, 10.3566, 6.7979, 6.9346
9216, 34.9096, 1.1787, 14.2764, 0.7047, 23.0620, 15.1704, 15.3179
16384, 72.0128, 2.1126, 25.5553, 1.2306, 41.0506, 27.7385, 28.6510
25600, 142.5863, 3.2655, 40.1804, 1.9044, 64.5345, 42.0542, 42.7847
36864, 265.1944, 4.7110, 57.3741, 2.9238, 94.8722, 62.3143, 61.8108
50176, 444.3202, 6.6906, 78.9869, 4.1656, 126.9877, 82.6736, 84.2270
65536, 739.3482, 8.6936, 101.6483, 5.5619, 163.1796, 110.7537, 111.7517
82944, 1125.0065, 11.1771, 133.8886, 7.0509, 209.9322, 137.3384, 143.7916
102400, 1700.3401, 13.8166, 161.2337, 8.7119, 261.8374, 171.3757, 175.0435
123904, 2304.6573, 16.8627, 196.3455, 10.8982, 314.8287, 205.1966, 210.4597
147456, 5595.0777, 19.8212, 240.1495, 12.9097, 381.7084, 251.7319, 253.3573
173056, 10813.7815, 23.5161, 273.9376, 15.6852, 441.5994, 291.8913, 295.0038
200704, 17561.0637, 27.4871, 322.6305, 17.9567, 517.7028, 340.2233, 342.6525
230400, 25331.5150, 31.6211, 368.3908, 21.0858, 597.7710, 387.3542, 398.9715
262144, 34097.1663, 36.3708, 420.1081, 23.9135, 677.7977, 443.1318, 453.0447

Answer 2

使用PIL和numpy

from PIL import Image
import numpy as np 

img = Image.open('lena_bw.jpg')
print (np.array(img))

[[135 137 138 ..., 148 131  92]
 [136 137 138 ..., 149 134  96]
 [137 138 138 ..., 149 135  96]
 ..., 
 [ 20  21  24 ...,  71  71  70]
 [ 21  22  26 ...,  68  70  73]
 [ 23  24  28 ...,  67  69  75]]

结果是一个图像像素数组，它可以转换为字符串。

Answer 3

对于此示例，已使用带有（1216,1024）像素的图像。

In [1]: from PIL import Image
        import numpy as np

        img = np.array(Image.open("image_path"))

1）用户Dan Mašek原始答案（使用地图）：

In [2]: %timeit -n10 to_string = ' '.join(map(str, img.flatten().tolist()))
Out[2]: 10 loops, best of 3: 187 ms per loop

2）用户Dan Mašek替代方案和更快的答案（我的帮助很少）：

In [3]: %timeit -n10 to_string = str(img.flatten().tolist()).strip('[]').replace(',','')
Out[3]: 10 loops, best of 3: 96.4 ms per loop

但是，我想与您分享两个选项，当然，比以前的答案慢，但也是正确有效的方式。

3）使用理解列表：

In [4]: %timeit -n10 to_string = ' '.join([str(x) for x in img.flatten()])
Out[4]: 10 loops, best of 3: 1.41 s per loop

4）使用生成器：

In [5]: %timeit -n10 to_string = ' '.join((str(x) for x in img.flatten()))
Out[5]: 10 loops, best of 3: 1.37 s per loop

生成器有点快，因为它使用迭代器协议逐个生成项目，而不是仅仅为了提供另一个构造函数而构建整个列表，因此它可以节省内存。